The influence of welfare state factors on nursing professionalization and nursing human resources: A time‐series cross‐sectional analysis, 2000–2015
Notice bibliographique
Résumé
AIM: The aim of this study was to examine the relationship between welfare states and nursing professionalization indicators. DESIGN: We used a time-series, cross-sectional design. The analysis covered 16 years and 22 countries: Australia, Austria, Belgium, Canada, Denmark, Finland, France, Germany, Greece, Ireland, Italy, Japan, Netherlands, New Zealand, Norway, Portugal, South Korea, Spain, Sweden, Switzerland, United Kingdom, and the United States, allocated to five welfare state regimes: Social Democratic, Christian Democratic, Liberal, Authoritarian Conservative, and Confucian. METHODS: We used fixed-effects linear regression models and conducted Prais-Winsten regressions with panel-corrected standard errors, including a first-order autocorrelation correction. We applied the Amelia II multiple imputation strategy to replace missing observations. Data were collected from March-December 2017 and subsequently updated from August-September 2018. RESULTS: Our findings highlight positive connections between the regulated nurse and nurse graduate ratios and welfare state measures of education, health, and family policy. In addition, both outcome variables had averages that differed among welfare state regimes, the lowest being in Authoritarian Conservative regimes. CONCLUSION: Additional country-level and international comparative research is needed to further study the impact of a wide range of structural political and economic determinants of nursing professionalization. IMPACT: We examined the effects of welfare state characteristics on nursing professionalization indicators and found support for the claim that such features affect both the regulated nurse and nurse graduate ratios. These findings could be used to strengthen nursing and the nursing workforce through healthy public policies and increase the accuracy of health human resources forecasting tools.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».